摘要
本发明涉及一种周期性考虑电池容量衰退的SOC估计方法,所述方法包括:建立电池模型,基于电池老化实验测试及数据分析确定电池模型参数,电池老化特征提取和相关分析;基于PSO‑LSTM算法的电池容量和模型参数估计,基于CHIF算法的SOC估计,联合估计框架对电池容量和SOC进行在线共估计;本发明采用CHIF算法,以提高估计精度并适应非线性系统。通过在非线性系统中传递状态容积点,CHIF可以最大程度地抑制非高斯噪声。本发明采用的PSO去优化LSTM超参数能够有效提升预测精度。本发明通过PSO‑LSTM算法考虑电池老化因素,实时更新电池容量后,再结合CHIF算法进行电池的SOC估计,能够有效提高对电池SOC的估计精度。
技术关键词
电池模型参数
LSTM算法
LSTM模型
协方差矩阵
估计方法
周期性
老化特征
非线性系统
粒子群算法优化
充放电循环次数
容积
多项式
非高斯噪声
双曲正切函数
安时积分法
系统为您推荐了相关专利信息
检测网络模型
泊位
状态估计方法
船舶
激光雷达点云
铸造工艺优化
机器学习方法预测
低压铸造工艺
航天薄壁铸件
预测缩孔
编码器
重构误差
光谱分析装置
广义帕累托分布
多模态
患者并发症风险
风险预测模型
糖尿病并发症风险
协方差矩阵
特征提取模块
动态资源调度器
VXLAN隧道
LSTM模型
OLAP数据库
分流方法